【技術實現步驟摘要】
本專利技術涉及能源，尤其是涉及一種電力電量積溫效應時長預測方法、裝置和介質。
技術介紹
1、積溫效應在電力系統中的存在性是被廣泛認知的，其最直觀的表現是持續的高溫會帶來負荷以及用電量的進一步提升，而在氣溫回落時負荷與用電量的下降會有一定的遲滯性。這種效應的產生可能有多方面的原因，包括高溫下的熱累積效應和熱存儲效應、地區的生產生活習慣、各類電消費群體對氣溫變化反應的滯后性等等。積溫效應在電力系統的電力電量數據預測工作中有重要影響。
2、積溫效應對電力電量預測的重要性體現于確認氣溫數據對電力電量數據的明確因果關聯。電力電量數據具有稀疏離散特性與高度的隨機性，既具備內生的動力學性質，又受到外在環境溫度的重大影響；如果應用傳統的因果推測算法在粗顆粒數據層面探討兩者的因果效應，會有很大的困難和缺陷。同時，氣溫與電力電量的變化規律存在于年、周、日三種不同的時間尺度上，僅僅使用整體的因果推斷方案不適用于存在時變規律的因果效應場景。對于中短時間尺度上的氣溫電量因果分析挖掘，既有的技術方案少有涉及。
3、當前對于積溫效應的預測技術方案可總結為修正溫度的度量指標來擬合電力電量進行預測。這類方案的重點局限于提升預測效果，沒有對積溫效應的出現時機和持續時長做深入理解和根性分析，從而達到定量表征積溫效應并精確計算電力電量預測值的目的。
技術實現思路
1、本專利技術的目的就是為了克服上述現有技術存在的缺陷而提供一種電力電量積溫效應時長預測方法、裝置和介質。
2、本專利技術的
3、一種電力電量積溫效應時長預測方法，包括以下步驟：
4、s1：獲取原始數據，將原始數據劃分為多組數據，分別對各組內高溫時間段溫敏負荷數據與溫度數據進行小波變換，得到時頻分布數據；
5、s2：利用頻域因果分析法，綜合時頻分布數據進行因果推斷，得到溫度對溫敏電力電量數據的因果效應，確定顯式因果關系出現的時間；
6、s3：采集連續多日的每日負荷數據、每日電量數據與每日溫度數據，作為待分析數據；
7、s4：利用高階格蘭杰因果方法，根據待分析數據、溫度對溫敏電力電量數據的因果效應和顯式因果關系出現的時間，預測積溫效應的持續時間。
8、進一步地，頻域因果分析法包括以下步驟為：
9、s21：令第i組負荷數據或電量數據與溫度數據時頻分布數據分別為wi,1(t,f)與wi,2(t,f),其中，wi,1(t,f)為負荷或電量的時頻分布數據，wi,2(t,f)為溫度的時頻分布數據；
10、s22：計算譜分布矩陣s(t,f)，譜分布矩陣的計算表達式為：
11、
12、s23：計算譜分布中各個分量，各個分量的計算表達式為：
13、
14、slm,i(t,f)＝wi,l(t,f)wi,m(t,f)*
15、式中，slm(t,f)為譜分布矩陣(l,m)位置的元素，slm,i(t,f)為第i組數據的分組譜分布矩陣(l,m)位置的元素，wi,m(t,f)*為負荷、電量或溫度的時頻分布數據的伴隨矩陣。
16、s23：對譜矩陣進行分解，分解過程的計算表達式為：
17、s(t,f)＝ψ(t,f)ψ*(t,f)
18、f＝eiθ
19、
20、式中，s(t,f)為譜分布矩陣，ψ(t,eiθ)為譜分布矩陣的對稱分解矩陣，ψ*為對應伴隨矩陣，ak(t)為ψ(t,eiθ)矩陣傅里葉級數展開的第k個系數。
21、s24：進一步分解，得到：
22、s(t,f)＝ψa0-1a0a0ta0-tψ*
23、式中，s(t,f)為譜分布矩陣，ψ＝ψ(t,eiθ)為譜分布矩陣的對稱分解矩陣，ψ*為對應伴隨矩陣。a0＝a0(t)為ψ(t,eiθ)矩陣傅里葉級數展開的第0個系數。
24、s25：定義h(t,f)＝ψ(t,f)a0-1(t)，得到溫度數據對負荷或電量的時頻域高階格蘭杰因果，時頻域高階格蘭杰因果的計算表達式為：
25、
26、式中，slm(t,f)為譜分布矩陣(l,m)位置的元素，σ22(t)為第二序列回歸殘差的在t時刻的方差。
27、進一步地，步驟s4包括以下步驟：
28、s41：從待分析數據中選取某一日的電力電量數據對應的溫敏分量，提取出該日的當天溫度數據和前若干天溫度數據；
29、s42：建立當天溫度數據到當天電力電量數據溫敏分量的第一非線性函數的學習回歸，獲得第一誤差；
30、s43：建立當天溫度數據以及前若干天中每一天的溫度數據到當天電力電量數據的第二非線性函數的學習回歸，獲得第二誤差；
31、s44：計算前若干天中每一天的溫度數據對電力電量預測的高階格蘭杰因果強度；
32、s45：根據高階格蘭杰因果強度的變化趨勢，劃定不同的因果強度區間，通過設定閾值，判斷積溫效應的時長，基于高階格蘭杰因果強度的變化，選取積溫效應的最佳天數。
33、進一步地，第一非線性函數的計算表達式為：
34、c1＝fθ(t)+∈0,θ1＝argmin(∈0(θ1))
35、式中，c1為第一非線性函數，∈0為第一誤差，θ1為第一非線性函數的優化參數。
36、進一步地，第二非線性函數的計算表達式為：
37、c2＝fθ(t0,t1,…,tp)+∈p,θ2＝argmin(∈p(θ2))
38、式中，c2為第二非線性函數，∈p為關于p階時滯的第二誤差，θ2為第二非線性函數的優化參數。
39、進一步地，高階格蘭杰因果強度的計算表達式為：
40、
41、式中，ip為關于p階時滯的高階格蘭杰因果強度，∈p為關于p階時滯第二誤差。
42、進一步地，小波變換采用的小波函數為非正交、非緊支撐、具有頻率控制參數的復數小波函數。
43、進一步地，原始數據以年為時間單位進行分組，高溫時間段為六月到九月均溫大于22攝氏度的連續時間段。
44、本專利技術的第二方面，一種電力電量積溫效應時長預測裝置，包括存儲器、處理器，以及存儲于存儲器中的程序，處理器執行程序時實現如上中任一的一種電力電量積溫效應時長預測方法。
45、本專利技術的第三方面，一種存儲介質，其上存儲有程序，程序被執行時實現如上任一的一種電力電量積溫效應時長預測方法。
46、與現有技術相比，本專利技術具有以下有益效果：
47、1)本專利技術通過小波變換得到非平穩時間序列的時頻特征，并加以分析，能夠在時頻域上充分挖掘局部性的顯式因果規律，再通過計算判斷因果關系主要出現的關鍵時間段與溫度區間，從而找到積溫效應出現的時間與對應的溫度。
48、2)本專利技術采用將時序信號轉化為時頻域信號的小波變換、譜矩陣分解以及高階格蘭杰因果計算的數學方法本文檔來自技高網...
【技術保護點】
1.一種電力電量積溫效應時長預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，所述頻域因果分析法包括以下步驟為：
3.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，步驟S4包括以下步驟：
4.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，所述第一非線性函數的計算表達式為：
5.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，所述第二非線性函數的計算表達式為：
6.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，所述高階格蘭杰因果強度的計算表達式為：
7.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，所述小波變換采用的小波函數為非正交、非緊支撐、具有頻率控制參數的復數小波函數。
8.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，所述原始數據以年為時間單位進行分組，所述高溫時間段為六月到九月均溫大于22攝氏度的連續時間段。
...【技術特征摘要】
1.一種電力電量積溫效應時長預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，所述頻域因果分析法包括以下步驟為：
3.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，步驟s4包括以下步驟：
4.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，所述第一非線性函數的計算表達式為：
5.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，所述第二非線性函數的計算表達式為：
6.根據權利要求1所述的一種電力電量積溫效應時長預測方法，其特征在于，所述高階格蘭杰因果強度的計算表達式為：
7.根據...
【專利技術屬性】
技術研發人員：許唐云，錢徐喆，奚增輝，姚嘉敏，游本垚，萬勵，紀宇誠，黃興德，林偉，張夢翰，楊偉，孫毅，王天棟，秦伯韡，吳裔，張夢圓，鄭成，劉子騰，
申請(專利權)人：國網上海市電力公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。